ai en energieverbruik in cijfers

Het energieverbruik van kunstmatige intelligentie groeit explosief en roept vragen op over de impact op digitale infrastructuur en klimaatdoelstellingen.

AI, energieverbruik, datacenters, IEA, Alex de Vries-Gao, klimaat, infrastructuur, Big Tech

De afgelopen jaren is het energieverbruik van AI-systemen onderwerp van discussie. Enerzijds zijn er experts die stellen dat het stroomverbruik per AI-opdracht relatief beperkt is vergelijkbaar met enkele minuten autorijden of een korte douchebeurt. Anderzijds laten recente onderzoeken zien dat de optelsom van al deze opdrachten leidt tot een enorme druk op de wereldwijde energie-infrastructuur.

Volgens Alex de Vries-Gao, onderzoeker aan de Vrije Universiteit en bekend van Digiconomist, was eind 2024 AI al verantwoordelijk voor 11-20% van het totale datacenterverbruik, met een voorspelling richting 50% eind 2025. Dit zou het energieverbruik van AI laten stijgen tot boven dat van bijvoorbeeld Bitcoin-mining. Deze groei botst met maatschappelijke doelen zoals het terugdringen van het energiegebruik en het behalen van klimaatdoelstellingen.

Het Internationale Energieagentschap (IEA) bevestigt deze trend en voorspelt dat het datacenterverbruik in 2030 meer dan verdubbelt tot 945 TWh, met AI als grootste aanjager. In de VS zou straks meer stroom naar datacenters gaan dan naar traditionele industrie als staal en cement. Ook Nederland komt ongunstig uit de bus, met hoge kosten en lange ontwikkeltijden voor nieuwe datacenters.

“Deze groei botst met andere maatschappelijke ambities, zoals het behalen van klimaatdoelstellingen en het terugdringen van het totale energieverbruik. Effectieve beleidsreacties vereisen echter eerst dringende transparantie van een veelal gebrekkig transparante industrie.” Alex de Vries-Gao

MIT en andere instituten merken op dat het energieverbruik per AI-prompt klein lijkt, maar de schaal waarop AI wordt ingezet maakt de totale impact groot. OpenAI, Google en andere techgiganten communiceren nauwelijks transparant over hun werkelijke verbruik, waardoor effectieve beleidsreacties moeilijk zijn. Wel investeren bedrijven in nieuwe infrastructuur en zoeken ze naar schonere energiebronnen, maar de vraag groeit sneller dan de efficiëntie.

Hoewel per opdracht het energieverbruik beperkt blijft, vereist de explosieve groei van AI-toepassingen nieuwe inzichten in het energiebeleid en transparantie vanuit de industrie.

Waarom is dit interessant?

Het groeiende energieverbruik door AI heeft directe gevolgen voor de schaalbaarheid van AI-tools en -toepassingen.
Ontwikkelaars en gebruikers kunnen te maken krijgen met hogere kosten en strengere regelgeving rondom datacenters en infrastructuur.
Inzicht in energieverbruik en efficiëntie van modellen (zoals LLM’s) wordt steeds belangrijker bij het kiezen of ontwikkelen van AI-oplossingen.
De maatschappelijke discussie over klimaatimpact en de noodzaak van transparantie in de sector raakt iedereen die met AI werkt.
De verwachting is dat dit onderwerp de komende jaren alleen maar relevanter wordt naarmate AI verder doordringt in werk- en productieprocessen.

Relevantie 8/10

Dit artikel sluit goed aan bij het onderwerp van praktische AI omdat het inzicht geeft in de gevolgen van grootschalig AI-gebruik voor infrastructuur en energie. Voor zowel gebruikers als ontwikkelaars zijn deze cijfers en trends essentieel om rekening mee te houden bij het gebruik en de ontwikkeling van AI-tools. Het artikel is minder praktisch gericht op dagelijks gebruik of nieuwe modellen, maar de context over energie, schaalbaarheid en toekomstverwachtingen is waardevol en actueel.

De score is hoog omdat energieverbruik een steeds belangrijker aspect wordt bij de implementatie van AI in organisaties en producten. Wel ontbreekt concrete informatie over optimalisaties of technische oplossingen voor efficiëntie op korte termijn, waardoor het minder direct toepasbaar is voor engineers of eindgebruikers.